Mistral Medium 3.1 es una edición multimodal de Mistral AI para comprensión textual y visual. El fabricante describe esta revisión como una mejora del tono y el rendimiento dentro de la línea Medium 3. Acepta texto e imágenes y produce texto: una explicación, una respuesta documental, un registro estructurado o una llamada a función propuesta. El identificador fijo del fabricante para esta edición es mistral-medium-2508.
Contexto y edición específica
La página del modelo documenta una ventana de contexto de 128k. Utilízala para mantener juntos los pasajes de origen relacionados, las pruebas de imagen, la conversación y la tarea del usuario. Identifica las funciones de los documentos y la pregunta que responder antes de aportar una colección amplia. Un contexto largo puede permitir una comparación delimitada mientras el resultado final sigue siendo una tabla breve o una sección revisada.
Medium 3.1 conserva su propia especificación. No deben atribuirse a esta entrada el contexto de 256k, la arquitectura densa de 128 mil millones de parámetros ni los modos configurables de razonamiento híbrido descritos para Medium 3.5. La página de 3.1 no proporciona un número de parámetros ni una cifra máxima independiente de longitud de respuesta que se pueda sustituir con seguridad por la del modelo posterior.
Salida estructurada y funciones
El fabricante enumera salidas estructuradas, llamadas a funciones y salidas predichas entre las funciones de esta edición. Para una tarea de extracción estructurada, define los campos requeridos, los tipos esperados y el tratamiento de la información ausente en la fuente. Un registro puede contener el identificador del documento, la afirmación extraída, su ubicación de origen y la pregunta que queda pendiente. Pide únicamente el registro cuando lo vaya a analizar un programa, o mantén separada una explicación en prosa cuando alguien deba inspeccionar la interpretación.
La documentación común de salida estructurada de Mistral distingue el modo JSON de un esquema personalizado. El modo JSON requiere una instrucción explícita sobre el formato JSON deseado, mientras que la opción personalizada define una estructura más específica. Se trata del formato del resultado textual, no de una modalidad de contenido nueva ni de una acción externa.
Para las funciones, la aplicación define la operación y los argumentos disponibles, el modelo selecciona una llamada adecuada y prepara los valores y la aplicación la ejecuta. Su resultado se convierte después en información para la siguiente respuesta. Un asistente documental puede utilizar una consulta para obtener datos de referencia ausentes, pero solo si la aplicación que lo rodea proporciona esa consulta y devuelve su resultado real. Mantén asociados la llamada propuesta y los datos devueltos.
Ediciones predichas y prefijos de respuesta
Las salidas predichas son útiles cuando ya se conoce la mayor parte del resultado deseado, como un documento o archivo de código que necesita una edición limitada. Proporciona el contenido existente y describe el cambio con precisión, incluido lo que debe permanecer sin cambios. Una solicitud puede actualizar la terminología de una sección o sustituir un detalle de implementación conservando el resto del documento. La predicción contiene el contenido de salida esperado, no un cambio completado y aplicado a un archivo.
La página del modelo también enumera continuación mediante prefijo de respuesta. En la documentación de chat del fabricante, un prefijo proporciona un comienzo conocido para la respuesta del asistente, tras el cual continúa la generación. Un comienzo conocido y un cuerpo predicho resuelven problemas de preparación diferentes. Del mismo modo, el procesamiento por lotes y las interfaces de agentes o conversaciones son funciones de flujo de trabajo, no ediciones independientes de imagen, audio o razonamiento de Medium 3.1.
Preguntas documentales y visuales
El flujo enumerado de preguntas y respuestas sobre documentos combina texto, estructura y formato preparados mediante OCR con análisis del modelo lingüístico. Pregunta por la condición, pasaje o relación concretos que requiere la tarea. Una comparación puede identificar los documentos de origen y solicitar afirmaciones comunes, conflictos y detalles pendientes, conservando la ubicación de origen junto a cada hallazgo.
La guía visual del fabricante incluye explícitamente Medium 3.1. Una pregunta visual directa puede aportar un gráfico, una imagen documental o una captura legibles y preguntar qué pruebas visibles respaldan una conclusión. Conserva ejes, unidades, etiquetas y el contexto de un campo recortado. Si se proporcionan varias imágenes, identifica su orden y función en lugar de dejar que el modelo deduzca cuál es el original, la revisión o la referencia.
Por ejemplo, acompaña un requisito escrito de proceso con una captura y solicita una tabla de coincidencias visibles, diferencias y preguntas que necesiten más información. Otra tarea puede proporcionar dos versiones de un documento y pedir un pasaje revisado que conserve sus condiciones comunes y resuelva una inconsistencia nombrada. Son aplicaciones propuestas de las capacidades documentadas de visión, documentos y edición, con el resultado requerido definido de antemano.
Preparación del entregable final
Asigna al asistente un papel claro, las fuentes que debe utilizar y la forma de la respuesta. Mantén las reglas de respuesta estables separadas del documento examinado e indica el idioma final y la terminología. Una respuesta útil puede separar un hecho extraído, su fuente y una interpretación, facilitando su inspección frente a un único resumen combinado.
El resultado documentado sigue siendo texto. Las herramientas externas, los cambios de archivos y el procesamiento documental adicional pertenecen a la aplicación conectada a la conversación. Conserva la edición Medium 3.1 nombrada y su contexto de 128k y solicita la explicación, el registro estructurado o la revisión delimitada que necesita realmente el siguiente paso.
", "aboutText": "Mistral Medium 3.1 es una edición multimodal de Mistral AI para comprensión textual y visual. El fabricante describe esta revisión como una mejora del tono y el rendimiento dentro de la línea Medium 3. Acepta texto e imágenes y produce texto: una explicación, una respuesta documental, un registro estructurado o una llamada a función propuesta. El identificador fijo del fabricante para esta edición es mistral-medium-2508.\n\nContexto y edición específica\n\nLa página del modelo documenta una ventana de contexto de 128k. Utilízala para mantener juntos los pasajes de origen relacionados, las pruebas de imagen, la conversación y la tarea del usuario. Identifica las funciones de los documentos y la pregunta que responder antes de aportar una colección amplia. Un contexto largo puede permitir una comparación delimitada mientras el resultado final sigue siendo una tabla breve o una sección revisada.\n\nMedium 3.1 conserva su propia especificación. No deben atribuirse a esta entrada el contexto de 256k, la arquitectura densa de 128 mil millones de parámetros ni los modos configurables de razonamiento híbrido descritos para Medium 3.5. La página de 3.1 no proporciona un número de parámetros ni una cifra máxima independiente de longitud de respuesta que se pueda sustituir con seguridad por la del modelo posterior.\n\nSalida estructurada y funciones\n\nEl fabricante enumera salidas estructuradas, llamadas a funciones y salidas predichas entre las funciones de esta edición. Para una tarea de extracción estructurada, define los campos requeridos, los tipos esperados y el tratamiento de la información ausente en la fuente. Un registro puede contener el identificador del documento, la afirmación extraída, su ubicación de origen y la pregunta que queda pendiente. Pide únicamente el registro cuando lo vaya a analizar un programa, o mantén separada una explicación en prosa cuando alguien deba inspeccionar la interpretación.\n\nLa documentación común de salida estructurada de Mistral distingue el modo JSON de un esquema personalizado. El modo JSON requiere una instrucción explícita sobre el formato JSON deseado, mientras que la opción personalizada define una estructura más específica. Se trata del formato del resultado textual, no de una modalidad de contenido nueva ni de una acción externa.\n\nPara las funciones, la aplicación define la operación y los argumentos disponibles, el modelo selecciona una llamada adecuada y prepara los valores y la aplicación la ejecuta. Su resultado se convierte después en información para la siguiente respuesta. Un asistente documental puede utilizar una consulta para obtener datos de referencia ausentes, pero solo si la aplicación que lo rodea proporciona esa consulta y devuelve su resultado real. Mantén asociados la llamada propuesta y los datos devueltos.\n\nEdiciones predichas y prefijos de respuesta\n\nLas salidas predichas son útiles cuando ya se conoce la mayor parte del resultado deseado, como un documento o archivo de código que necesita una edición limitada. Proporciona el contenido existente y describe el cambio con precisión, incluido lo que debe permanecer sin cambios. Una solicitud puede actualizar la terminología de una sección o sustituir un detalle de implementación conservando el resto del documento. La predicción contiene el contenido de salida esperado, no un cambio completado y aplicado a un archivo.\n\nLa página del modelo también enumera continuación mediante prefijo de respuesta. En la documentación de chat del fabricante, un prefijo proporciona un comienzo conocido para la respuesta del asistente, tras el cual continúa la generación. Un comienzo conocido y un cuerpo predicho resuelven problemas de preparación diferentes. Del mismo modo, el procesamiento por lotes y las interfaces de agentes o conversaciones son funciones de flujo de trabajo, no ediciones independientes de imagen, audio o razonamiento de Medium 3.1.\n\nPreguntas documentales y visuales\n\nEl flujo enumerado de preguntas y respuestas sobre documentos combina texto, estructura y formato preparados mediante OCR con análisis del modelo lingüístico. Pregunta por la condición, pasaje o relación concretos que requiere la tarea. Una comparación puede identificar los documentos de origen y solicitar afirmaciones comunes, conflictos y detalles pendientes, conservando la ubicación de origen junto a cada hallazgo.\n\nLa guía visual del fabricante incluye explícitamente Medium 3.1. Una pregunta visual directa puede aportar un gráfico, una imagen documental o una captura legibles y preguntar qué pruebas visibles respaldan una conclusión. Conserva ejes, unidades, etiquetas y el contexto de un campo recortado. Si se proporcionan varias imágenes, identifica su orden y función en lugar de dejar que el modelo deduzca cuál es el original, la revisión o la referencia.\n\nPor ejemplo, acompaña un requisito escrito de proceso con una captura y solicita una tabla de coincidencias visibles, diferencias y preguntas que necesiten más información. Otra tarea puede proporcionar dos versiones de un documento y pedir un pasaje revisado que conserve sus condiciones comunes y resuelva una inconsistencia nombrada. Son aplicaciones propuestas de las capacidades documentadas de visión, documentos y edición, con el resultado requerido definido de antemano.\n\nPreparación del entregable final\n\nAsigna al asistente un papel claro, las fuentes que debe utilizar y la forma de la respuesta. Mantén las reglas de respuesta estables separadas del documento examinado e indica el idioma final y la terminología. Una respuesta útil puede separar un hecho extraído, su fuente y una interpretación, facilitando su inspección frente a un único resumen combinado.\n\nEl resultado documentado sigue siendo texto. Las herramientas externas, los cambios de archivos y el procesamiento documental adicional pertenecen a la aplicación conectada a la conversación. Conserva la edición Medium 3.1 nombrada y su contexto de 128k y solicita la explicación, el registro estructurado o la revisión delimitada que necesita realmente el siguiente paso.", "editorialOverlay": { "copy_fields": { "practical_html": "Ejemplo técnico en inglés
Apply a narrow terminology edit\n\nRevise only the terminology in this paragraph: 'A subscriber can pause the plan. The subscriber keeps access until the current period ends. Support can help the subscriber resume.' Replace 'subscriber' with 'member', adapting capitalization, and keep every condition and sentence order. Return the revised paragraph alone, without claiming a file was modified.The complete revised paragraph with the requested terminology change only.The access-until-period-end condition and pause/resume distinction must remain intact.mistralai/mistral-medium-3.1Mistral Medium 3.1 es un modelo de texto e imagen para respuestas conversacionales, preguntas sobre documentos y extracción estructurada. Su contexto de 128k según el fabricante y las funciones enumeradas de llamadas a funciones, salida predicha y prefijos permiten explicaciones basadas en fuentes y flujos de edición delimitada.
Esta descripción cubre las capacidades del modelo. Las entradas, salidas y opciones disponibles en Ailoot se indican a continuación para el método seleccionado.
Mistral Medium 3.1 es una edición multimodal de Mistral AI para comprensión textual y visual. El fabricante describe esta revisión como una mejora del tono y el rendimiento dentro de la línea Medium 3. Acepta texto e imágenes y produce texto: una explicación, una respuesta documental, un registro estructurado o una llamada a función propuesta. El identificador fijo del fabricante para esta edición es mistral-medium-2508.
Contexto y edición específica
La página del modelo documenta una ventana de contexto de 128k. Utilízala para mantener juntos los pasajes de origen relacionados, las pruebas de imagen, la conversación y la tarea del usuario. Identifica las funciones de los documentos y la pregunta que responder antes de aportar una colección amplia. Un contexto largo puede permitir una comparación delimitada mientras el resultado final sigue siendo una tabla breve o una sección revisada.
Medium 3.1 conserva su propia especificación. No deben atribuirse a esta entrada el contexto de 256k, la arquitectura densa de 128 mil millones de parámetros ni los modos configurables de razonamiento híbrido descritos para Medium 3.5. La página de 3.1 no proporciona un número de parámetros ni una cifra máxima independiente de longitud de respuesta que se pueda sustituir con seguridad por la del modelo posterior.
Salida estructurada y funciones
El fabricante enumera salidas estructuradas, llamadas a funciones y salidas predichas entre las funciones de esta edición. Para una tarea de extracción estructurada, define los campos requeridos, los tipos esperados y el tratamiento de la información ausente en la fuente. Un registro puede contener el identificador del documento, la afirmación extraída, su ubicación de origen y la pregunta que queda pendiente. Pide únicamente el registro cuando lo vaya a analizar un programa, o mantén separada una explicación en prosa cuando alguien deba inspeccionar la interpretación.
La documentación común de salida estructurada de Mistral distingue el modo JSON de un esquema personalizado. El modo JSON requiere una instrucción explícita sobre el formato JSON deseado, mientras que la opción personalizada define una estructura más específica. Se trata del formato del resultado textual, no de una modalidad de contenido nueva ni de una acción externa.
Para las funciones, la aplicación define la operación y los argumentos disponibles, el modelo selecciona una llamada adecuada y prepara los valores y la aplicación la ejecuta. Su resultado se convierte después en información para la siguiente respuesta. Un asistente documental puede utilizar una consulta para obtener datos de referencia ausentes, pero solo si la aplicación que lo rodea proporciona esa consulta y devuelve su resultado real. Mantén asociados la llamada propuesta y los datos devueltos.
Ediciones predichas y prefijos de respuesta
Las salidas predichas son útiles cuando ya se conoce la mayor parte del resultado deseado, como un documento o archivo de código que necesita una edición limitada. Proporciona el contenido existente y describe el cambio con precisión, incluido lo que debe permanecer sin cambios. Una solicitud puede actualizar la terminología de una sección o sustituir un detalle de implementación conservando el resto del documento. La predicción contiene el contenido de salida esperado, no un cambio completado y aplicado a un archivo.
La página del modelo también enumera continuación mediante prefijo de respuesta. En la documentación de chat del fabricante, un prefijo proporciona un comienzo conocido para la respuesta del asistente, tras el cual continúa la generación. Un comienzo conocido y un cuerpo predicho resuelven problemas de preparación diferentes. Del mismo modo, el procesamiento por lotes y las interfaces de agentes o conversaciones son funciones de flujo de trabajo, no ediciones independientes de imagen, audio o razonamiento de Medium 3.1.
Preguntas documentales y visuales
El flujo enumerado de preguntas y respuestas sobre documentos combina texto, estructura y formato preparados mediante OCR con análisis del modelo lingüístico. Pregunta por la condición, pasaje o relación concretos que requiere la tarea. Una comparación puede identificar los documentos de origen y solicitar afirmaciones comunes, conflictos y detalles pendientes, conservando la ubicación de origen junto a cada hallazgo.
La guía visual del fabricante incluye explícitamente Medium 3.1. Una pregunta visual directa puede aportar un gráfico, una imagen documental o una captura legibles y preguntar qué pruebas visibles respaldan una conclusión. Conserva ejes, unidades, etiquetas y el contexto de un campo recortado. Si se proporcionan varias imágenes, identifica su orden y función en lugar de dejar que el modelo deduzca cuál es el original, la revisión o la referencia.
Por ejemplo, acompaña un requisito escrito de proceso con una captura y solicita una tabla de coincidencias visibles, diferencias y preguntas que necesiten más información. Otra tarea puede proporcionar dos versiones de un documento y pedir un pasaje revisado que conserve sus condiciones comunes y resuelva una inconsistencia nombrada. Son aplicaciones propuestas de las capacidades documentadas de visión, documentos y edición, con el resultado requerido definido de antemano.
Preparación del entregable final
Asigna al asistente un papel claro, las fuentes que debe utilizar y la forma de la respuesta. Mantén las reglas de respuesta estables separadas del documento examinado e indica el idioma final y la terminología. Una respuesta útil puede separar un hecho extraído, su fuente y una interpretación, facilitando su inspección frente a un único resumen combinado.
El resultado documentado sigue siendo texto. Las herramientas externas, los cambios de archivos y el procesamiento documental adicional pertenecen a la aplicación conectada a la conversación. Conserva la edición Medium 3.1 nombrada y su contexto de 128k y solicita la explicación, el registro estructurado o la revisión delimitada que necesita realmente el siguiente paso.
POST /v1/chat/completionstexttext| Campo | Tipo | Requisito | Valores y límites | Predeterminado |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObligatorio | Valores y límites mistralai/mistral-medium-3.1 | Predeterminado— |
Campomessages | Tipomessage[] | RequisitoObligatorio | Valores y límites Número mínimo de elementos: 1 | Predeterminado— |
Campomessages[].role | Tipostring | RequisitoObligatorio | Valores y límites Ejemplos: system, user, assistant, tool, function Condiciones: Estos roles están representados explícitamente por los tipos de compatibilidad del código fuente; el conjunto exacto de roles depende del modelo. Depende del modelo | Predeterminado— |
Campomessages[].content | Tipostring|content_part[]|null | RequisitoOpcional | Valores y límites | Predeterminado— |
Campomessages[].tool_calls | Tipotool_call[] | RequisitoOpcional | Valores y límites | Predeterminado— |
Campomessages[].tool_call_id | Tipostring | RequisitoOpcional | Valores y límites Se aplica cuando: role=tool; utiliza el ID real devuelto | Predeterminado— |
Campomessages[].name | Tipostring | RequisitoOpcional | Valores y límites | Predeterminado— |
Campomessages[].reasoning_content | Tipostring | RequisitoOpcional | Valores y límites Se aplica cuando: Devuelve en los turnos siguientes el razonamiento realmente recibido cuando este modelo lo utilice | Predeterminado— |
Campomessages[].reasoning_details | Tipoobject|array | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campomax_tokens | Tipointeger | RequisitoOpcional | Valores y límites Mínimo: 1 Depende del modelo | Predeterminado— |
Campomax_completion_tokens | Tipointeger | RequisitoOpcional | Valores y límites Mínimo: 1 Depende del modelo | Predeterminado— |
Campostream | Tipoboolean | RequisitoOpcional | Valores y límites | Predeterminadofalse |
Campostream_options.include_usage | Tipoboolean | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campotemperature | Tiponumber | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campotop_p | Tiponumber | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campostop | Tipostring|string[] | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campotools | Tipofunction_tool[] | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campotools[].type | Tipostring | RequisitoOpcional | Valores y límites function Depende del modelo | Predeterminado— |
Campotools[].function.name | Tipostring | RequisitoObligatorio | Valores y límites Se aplica cuando: herramienta de función proporcionada | Predeterminado— |
Campotools[].function.description | Tipostring | RequisitoOpcional | Valores y límites | Predeterminado— |
Campotools[].function.parameters | TipoJSON_schema | RequisitoOpcional | Valores y límites | Predeterminado— |
Campotool_choice | Tipostring|object | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campoparallel_tool_calls | Tipoboolean | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Camporesponse_format | Tipoobject | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Camporeasoning_effort | Tipostring | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Camporeasoning | Tipoobject | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Camposervice_tier | Tipostring | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campoinstructions | Tipostring | RequisitoOpcional | Valores y límites Campo de compatibilidad | Predeterminado— |
Campofunctions | Tipofunction[] | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campofunction_call | Tipostring|object | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campoprompt_cache_options | Tipoobject | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campomodalities | Tipostring[] | RequisitoOpcional | Valores y límites text | Predeterminado— |
Campoprovider | Tipoobject | RequisitoOpcional | Valores y límites Condiciones: provider.options se rechaza en esta ruta de texto Ultra | Predeterminado— |
Campocache_control.ttl | Tipostring | RequisitoOpcional | Valores y límites Condiciones: 1h se rechaza en los campos reales de caché de instrucciones | Predeterminado— |
Texto · Texto UTF8
messages[].content
| Parámetro | Contrato |
|---|---|
Parámetrocontent_type | Contratoapplication/json |
Parámetrorequired | Contratomodel, messages |
Parámetromaterial_types | Contratotext |
Parámetromessages | Contratomatriz de mensajes con estructura role/content |
Parámetrofile_material | Contratodocumento real en UTF-8 insertado como texto literal; no se deduce ningún ID de archivo |
Parámetrooptional_controls | Contratostream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Parámetrocontrol_scope | Contratodepende del modelo; las herramientas de funciones del usuario difieren de las herramientas alojadas |
Parámetrooutput_modalities | Contratotext |
Parámetrohosted_operations | Contratofalse |
Parámetromultimodal_input_binding | Contratonull |
Ciclo de vida: synchronous_or_streamed
Envía el ID exacto del modelo junto con messages.
La longitud del contexto no es un límite máximo de salida.
Un archivo de texto puede aportar texto literal; las entradas de imagen, audio u objetos de archivo requieren una vinculación exacta.
Las referencias tarifarias no añaden opciones a la solicitud. Los parámetros admitidos se indican en el método seleccionado.
Relaciona cada cargo con las condiciones mostradas. Usa una tarifa para cada conjunto de configuraciones alternativas.
| Configuración | Tabla de tarifas | Tokens de contexto, más de | Tokens de contexto, hasta inclusive | Cargo |
|---|---|---|---|---|
| ConfiguraciónTarifas base por token | Tabla de tarifasTarifa base | Tokens de contexto, más de— | Tokens de contexto, hasta inclusiveSin límite superior | Cargo Entrada · Tokens de entrada $0.0008 / 1K tokens Salida · Tokens de salida $0.004 / 1K tokens Entrada · Lectura de caché $0.00008 / 1K tokens Entrada · Escritura en caché — / 1K tokens Entrada · Escritura en caché, 1 hora — / 1K tokens |
| ConfiguraciónTramo 1 por longitud de la solicitud | Tabla de tarifas— | Tokens de contexto, más de0 | Tokens de contexto, hasta inclusiveSin límite superior | Cargo Entrada · Tokens de entrada $0.0008 / 1K tokens Salida · Tokens de salida $0.004 / 1K tokens Entrada · Lectura de caché $0.00008 / 1K tokens Entrada · Escritura en caché — / 1K tokens Entrada · Escritura en caché, 1 hora — / 1K tokens |
Ailoot reserva un importe estimado antes de la solicitud. Tras obtener el resultado, liquida el cargo definitivo según el uso medido. En las respuestas en flujo, la liquidación usa el registro de uso final. Cómo funcionan la reserva y la liquidación →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "mistralai/mistral-medium-3.1", "messages": [{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}]}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.chat.completions.create(model='mistralai/mistral-medium-3.1',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}])\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(result.to_dict(mode="json"))\nfrom openai import OpenAI\nimport os\nfrom pathlib import Path\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nwith client.chat.completions.stream(model='mistralai/mistral-medium-3.1',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}]) as stream:\n with Path("stream-events.jsonl").open("w",encoding="utf-8") as log:\n for event in stream:\n payload=event.to_dict(mode="json")\n log.write(json.dumps(payload,ensure_ascii=False)+"\\n"); log.flush()\n print(json.dumps(payload,ensure_ascii=False))\n final=stream.get_final_completion()\n save_result(final.to_dict(mode="json"),"stream-result")\njson o SSE
Conserva todas las respuestas, archivos y partes de contenido completos recibidos.
Conserva cada alternativa y su contenido, llamadas de herramientas y razonamiento. En SSE, ensambla los fragmentos incrementales por índice de alternativa/herramienta y conserva el motivo final de terminación y el uso.
Conserva los ID de solicitud y respuesta y las cabeceras. No se proporciona una URL genérica para recuperar tareas de texto.
| Campo | Tipo |
|---|---|
Campochoices[].index | Tipointeger |
Campochoices[].message.content | Tipostring|null |
Campochoices[].message.tool_calls | Tipotool_call[] |
Campochoices[].message.reasoning_content | Tipostring |
Campochoices[].message.reasoning_details | Tipoobject|array |
Campochoices[].finish_reason | Tipostring|null |
Campousage | Tipoobject |
| Respuesta | Condición | Siguiente paso |
|---|---|---|
Respuesta400 · invalid_request_error | CondiciónCampos obligatorios, representación del material o valor del parámetro no válidos | Siguiente pasoCorrige los campos indicados antes de una nueva solicitud de creación. |
Ailoot Ultra mistralai/mistral-medium-3.1
Usa las rutas de método indicadas arriba.
mistralai/mistral-medium-3.1Mistral Medium 3.1 es un modelo de texto e imagen para respuestas conversacionales, preguntas sobre documentos y extracción estructurada. Su contexto de 128k según el fabricante y las funciones enumeradas de llamadas a funciones, salida predicha y prefijos permiten explicaciones basadas en fuentes y flujos de edición delimitada.
Esta descripción cubre las capacidades del modelo. Las entradas, salidas y opciones disponibles en Ailoot se indican a continuación para el método seleccionado.
Mistral Medium 3.1 es una edición multimodal de Mistral AI para comprensión textual y visual. El fabricante describe esta revisión como una mejora del tono y el rendimiento dentro de la línea Medium 3. Acepta texto e imágenes y produce texto: una explicación, una respuesta documental, un registro estructurado o una llamada a función propuesta. El identificador fijo del fabricante para esta edición es mistral-medium-2508.
Contexto y edición específica
La página del modelo documenta una ventana de contexto de 128k. Utilízala para mantener juntos los pasajes de origen relacionados, las pruebas de imagen, la conversación y la tarea del usuario. Identifica las funciones de los documentos y la pregunta que responder antes de aportar una colección amplia. Un contexto largo puede permitir una comparación delimitada mientras el resultado final sigue siendo una tabla breve o una sección revisada.
Medium 3.1 conserva su propia especificación. No deben atribuirse a esta entrada el contexto de 256k, la arquitectura densa de 128 mil millones de parámetros ni los modos configurables de razonamiento híbrido descritos para Medium 3.5. La página de 3.1 no proporciona un número de parámetros ni una cifra máxima independiente de longitud de respuesta que se pueda sustituir con seguridad por la del modelo posterior.
Salida estructurada y funciones
El fabricante enumera salidas estructuradas, llamadas a funciones y salidas predichas entre las funciones de esta edición. Para una tarea de extracción estructurada, define los campos requeridos, los tipos esperados y el tratamiento de la información ausente en la fuente. Un registro puede contener el identificador del documento, la afirmación extraída, su ubicación de origen y la pregunta que queda pendiente. Pide únicamente el registro cuando lo vaya a analizar un programa, o mantén separada una explicación en prosa cuando alguien deba inspeccionar la interpretación.
La documentación común de salida estructurada de Mistral distingue el modo JSON de un esquema personalizado. El modo JSON requiere una instrucción explícita sobre el formato JSON deseado, mientras que la opción personalizada define una estructura más específica. Se trata del formato del resultado textual, no de una modalidad de contenido nueva ni de una acción externa.
Para las funciones, la aplicación define la operación y los argumentos disponibles, el modelo selecciona una llamada adecuada y prepara los valores y la aplicación la ejecuta. Su resultado se convierte después en información para la siguiente respuesta. Un asistente documental puede utilizar una consulta para obtener datos de referencia ausentes, pero solo si la aplicación que lo rodea proporciona esa consulta y devuelve su resultado real. Mantén asociados la llamada propuesta y los datos devueltos.
Ediciones predichas y prefijos de respuesta
Las salidas predichas son útiles cuando ya se conoce la mayor parte del resultado deseado, como un documento o archivo de código que necesita una edición limitada. Proporciona el contenido existente y describe el cambio con precisión, incluido lo que debe permanecer sin cambios. Una solicitud puede actualizar la terminología de una sección o sustituir un detalle de implementación conservando el resto del documento. La predicción contiene el contenido de salida esperado, no un cambio completado y aplicado a un archivo.
La página del modelo también enumera continuación mediante prefijo de respuesta. En la documentación de chat del fabricante, un prefijo proporciona un comienzo conocido para la respuesta del asistente, tras el cual continúa la generación. Un comienzo conocido y un cuerpo predicho resuelven problemas de preparación diferentes. Del mismo modo, el procesamiento por lotes y las interfaces de agentes o conversaciones son funciones de flujo de trabajo, no ediciones independientes de imagen, audio o razonamiento de Medium 3.1.
Preguntas documentales y visuales
El flujo enumerado de preguntas y respuestas sobre documentos combina texto, estructura y formato preparados mediante OCR con análisis del modelo lingüístico. Pregunta por la condición, pasaje o relación concretos que requiere la tarea. Una comparación puede identificar los documentos de origen y solicitar afirmaciones comunes, conflictos y detalles pendientes, conservando la ubicación de origen junto a cada hallazgo.
La guía visual del fabricante incluye explícitamente Medium 3.1. Una pregunta visual directa puede aportar un gráfico, una imagen documental o una captura legibles y preguntar qué pruebas visibles respaldan una conclusión. Conserva ejes, unidades, etiquetas y el contexto de un campo recortado. Si se proporcionan varias imágenes, identifica su orden y función en lugar de dejar que el modelo deduzca cuál es el original, la revisión o la referencia.
Por ejemplo, acompaña un requisito escrito de proceso con una captura y solicita una tabla de coincidencias visibles, diferencias y preguntas que necesiten más información. Otra tarea puede proporcionar dos versiones de un documento y pedir un pasaje revisado que conserve sus condiciones comunes y resuelva una inconsistencia nombrada. Son aplicaciones propuestas de las capacidades documentadas de visión, documentos y edición, con el resultado requerido definido de antemano.
Preparación del entregable final
Asigna al asistente un papel claro, las fuentes que debe utilizar y la forma de la respuesta. Mantén las reglas de respuesta estables separadas del documento examinado e indica el idioma final y la terminología. Una respuesta útil puede separar un hecho extraído, su fuente y una interpretación, facilitando su inspección frente a un único resumen combinado.
El resultado documentado sigue siendo texto. Las herramientas externas, los cambios de archivos y el procesamiento documental adicional pertenecen a la aplicación conectada a la conversación. Conserva la edición Medium 3.1 nombrada y su contexto de 128k y solicita la explicación, el registro estructurado o la revisión delimitada que necesita realmente el siguiente paso.
POST /v1/messagestextjson, sse| Campo | Tipo | Requisito | Valores y límites | Predeterminado |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObligatorio | Valores y límites mistralai/mistral-medium-3.1 | Predeterminado— |
Campomessages | Tipomessage[] | RequisitoObligatorio | Valores y límites | Predeterminado— |
Campomessages[].role | Tipostring | RequisitoObligatorio | Valores y límites user, assistant | Predeterminado— |
Campomessages[].content | Tipostring | RequisitoObligatorio | Valores y límites | Predeterminado— |
Campomax_tokens | Tipointeger | RequisitoObligatorio | Valores y límites | Predeterminado— |
Campostream | Tipoboolean | RequisitoOpcional | Valores y límites | Predeterminadofalse |
Texto · Texto UTF-8
cadena messages[].content
| Parámetro | Contrato |
|---|---|
Parámetrocontent_type | Contratoapplication/json |
Parámetrorequired | Contratomodel, messages, max_tokens |
Parámetrooptional_controls | Contratostream |
Parámetromaterial_types | Contratotext |
Parámetrotext_file_material | ContratoLee el documento real en UTF-8 y coloca su texto en el campo input indicado o en la cadena de contenido del mensaje. |
Ciclo de vida: synchronous_or_streamed
Las referencias tarifarias no añaden opciones a la solicitud. Los parámetros admitidos se indican en el método seleccionado.
Relaciona cada cargo con las condiciones mostradas. Usa una tarifa para cada conjunto de configuraciones alternativas.
| Configuración | Tabla de tarifas | Tokens de contexto, más de | Tokens de contexto, hasta inclusive | Cargo |
|---|---|---|---|---|
| ConfiguraciónTarifas base por token | Tabla de tarifasTarifa base | Tokens de contexto, más de— | Tokens de contexto, hasta inclusiveSin límite superior | Cargo Entrada · Tokens de entrada $0.0008 / 1K tokens Salida · Tokens de salida $0.004 / 1K tokens Entrada · Lectura de caché $0.00008 / 1K tokens Entrada · Escritura en caché — / 1K tokens Entrada · Escritura en caché, 1 hora — / 1K tokens |
| ConfiguraciónTramo 1 por longitud de la solicitud | Tabla de tarifas— | Tokens de contexto, más de0 | Tokens de contexto, hasta inclusiveSin límite superior | Cargo Entrada · Tokens de entrada $0.0008 / 1K tokens Salida · Tokens de salida $0.004 / 1K tokens Entrada · Lectura de caché $0.00008 / 1K tokens Entrada · Escritura en caché — / 1K tokens Entrada · Escritura en caché, 1 hora — / 1K tokens |
Ailoot reserva un importe estimado antes de la solicitud. Tras obtener el resultado, liquida el cargo definitivo según el uso medido. En las respuestas en flujo, la liquidación usa el registro de uso final. Cómo funcionan la reserva y la liquidación →
{\n "model": "mistralai/mistral-medium-3.1",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'mistralai/mistral-medium-3.1', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'mistralai/mistral-medium-3.1', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nfrom urllib.request import Request, urlopen\nfrom urllib.error import HTTPError\n\napi_key = os.environ['AILOOT_API_KEY']\nif not api_key.strip():\n raise SystemExit('Set AILOOT_API_KEY before making a request')\nheaders = {'x-api-key': 'PLACEHOLDER_KEY', 'anthropic-version': '2023-06-01', 'Content-Type': 'application/json'}\nheaders['x-api-key'] = api_key\nrequest = Request('https://api.ailoot.ai/v1/messages', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')\ntry:\n with urlopen(request, timeout=120) as response:\n raw = response.read()\n Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')\nexcept HTTPError as error:\n Path('result.json').write_bytes(error.read())\n Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')\n raise\nPath('result.json').write_bytes(raw)\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nJSON o SSE
Conserva todas las respuestas, archivos y partes de contenido completos recibidos.
Conserva todos los bloques de contenido, las firmas de razonamiento y los ID reales de uso de herramientas. Ensambla todos los fragmentos incrementales de los bloques SSE; el primer bloque de texto no constituye la salida completa.
Conserva los ID de solicitud y respuesta y las cabeceras. No se proporciona una URL genérica para recuperar tareas de texto.
| Campo | Tipo |
|---|---|
Campoid | Tipostring |
Campomodel | Tipostring |
Campocontent[] | Tipotext|thinking|tool_use|other content block |
Campostop_reason | Tipostring|null |
Campousage | Tipoobject |
| Respuesta | Condición | Siguiente paso |
|---|---|---|
Respuesta400 · invalid_request_error | CondiciónCampos obligatorios, representación del material o valor del parámetro no válidos | Siguiente pasoCorrige los campos indicados antes de una nueva solicitud de creación. |
Ailoot Ultra mistralai/mistral-medium-3.1
Usa las rutas de método indicadas arriba.
Ejemplo técnico en inglés
Apply a narrow terminology edit\n\nRevise only the terminology in this paragraph: 'A subscriber can pause the plan. The subscriber keeps access until the current period ends. Support can help the subscriber resume.' Replace 'subscriber' with 'member', adapting capitalization, and keep every condition and sentence order. Return the revised paragraph alone, without claiming a file was modified.The complete revised paragraph with the requested terminology change only.The access-until-period-end condition and pause/resume distinction must remain intact.